下载文档原格式
【车牌识别】-车牌中字符分割代码详解车牌识别项⽬中，关于字符分割的实现：思路： 1. 读取图⽚，使⽤ cv2 。
2. 将 BGR 图像转为灰度图，使⽤ cv2.cvtColor( img,cv2.COLOR_RGB2GRAY) 函数。
3. 车牌原图尺⼨(170, 722) ，使⽤阈值处理灰度图，将像素值⼤于175的像素点的像素设置为 255 ，不⼤于175的像素点的像素设置为0 。
4.观察车牌中字符，可以看到每个字符块中的每列像素值的和都不为 0 ，这⾥做了假设，将左右结构的省份简写的字也看作是由连续相邻的列组成的，如 “ 桂 ” 。
5. 对于经过阈值处理的车牌中的字符进⾏按列求像素值的和，如果⼀列像素值的和为 0，则表明该列不含有字符为空⽩区域。
反之，则该列属于字符中的⼀列。
判断直到⼜出现⼀列像素点的值的和为0，则这这两列中间的列构成⼀个字符，保存到字典character_dict 中，字典的 key 值为第⼏个字符 ( 下标从0开始 )，字典的value值为起始列的下标和终⽌列的下标。
character_dict 是字典，每⼀个元素中的value 是⼀个列表记录了夹住⼀个字符的起始列下标和终⽌列下标。
6. 之后再对字符进⾏填充，填充为170*170⼤⼩的灰度图（第三个字符为⼀个点，不需要处理，跳过即可。
有可能列数不⾜170，这影响不⼤）。
7. 对填充之后的字符进⾏resize，处理成20*20的灰度图，然后对字符分别进⾏存储。
代码实现：1### 对车牌图⽚进⾏处理，分割出车牌中的每⼀个字符并保存2# 在本地读取图⽚的时候，如果路径中包含中⽂，会导致读取失败。
34import cv25import paddle6import numpy as np7import matplotlib.pyplot as plt8#以下两⾏实现了在plt画图时，可以输出中⽂字符9 plt.rcParams['font.sans-serif']=['SimHei']10 plt.rcParams['axes.unicode_minus'] = False111213# cv2.imread() 读进来直接是BGR 格式数据，数值范围在 0~255 。
车牌识别系统中车牌定位与字符分割的研究一、本文概述随着科技的发展和智能交通系统的普及，车牌识别系统已经成为了现代交通管理的重要组成部分。
车牌识别系统的核心在于准确、快速地实现车牌的定位与字符分割。
本文旨在深入探讨车牌识别系统中车牌定位与字符分割的关键技术，并分析其在实际应用中的挑战与解决方案。
本文将对车牌识别系统的基本框架进行概述，介绍车牌定位与字符分割在其中的地位和作用。
接着，本文将详细阐述车牌定位技术的发展历程和现状，包括基于颜色、纹理、形状等特征的定位方法，以及近年来兴起的深度学习技术在车牌定位中的应用。
同时，本文还将对字符分割技术的研究现状进行梳理，包括基于投影分析、边缘检测、形态学处理等方法的字符分割算法。
在此基础上，本文将重点分析车牌定位与字符分割在实际应用中面临的挑战，如复杂背景下的车牌定位不准确、字符粘连或断裂导致的分割失败等问题。
针对这些问题，本文将提出相应的解决方案，如通过改进算法提高定位精度、采用多特征融合的方法提高字符分割的鲁棒性等。
本文将通过实验验证所提方法的有效性，并对实验结果进行分析和讨论。
本文还将展望车牌识别系统的未来发展趋势，探讨新技术在车牌定位与字符分割中的应用前景。
通过本文的研究，旨在为车牌识别系统的优化和改进提供有益的参考和借鉴。
二、车牌定位技术研究车牌定位技术是车牌识别系统的关键环节，它涉及从复杂的背景中准确提取出车牌区域。
随着计算机视觉和图像处理技术的不断发展，车牌定位技术也取得了显著的进步。
早期的车牌定位主要基于车牌的颜色和边缘特征。
由于中国车牌通常为蓝底白字，因此可以通过颜色过滤来初步提取出可能的车牌区域。
随后，利用边缘检测算法（如Canny边缘检测）来进一步细化车牌的轮廓，从而实现车牌的粗定位。
然而，这种方法受光照条件、车牌污损等因素影响较大，定位准确性有待提高。
为了克服颜色和边缘特征方法的局限性，研究人员开始尝试基于纹理和形状特征的车牌定位方法。
结合垂直投影法与固定边界分割的车牌字符分割算法（附源码和详细解析）上⼀篇博⽂简单有效的车牌定位算法（附源码和详细解析），详细介绍了数学形态学处理车牌粗定位与蓝⾊像素统计、⾏列扫描的车牌精确定位算法。
没有看的朋友可以先看上⼀篇博⽂。
这次，在牌照字符的分割上，我结合了⽬前使⽤最多的投影法和车牌固定边界的多阈值分割算法。
它的⼤致实现过程如下：第⼀步先对上⼀节粗定位完牌照的只有⿊⽩两⾊的图像bg2实施伪彩⾊标记。
第⼆步获取标记区域各连通块的尺⼨参数，⽤作下⼀步遍历的索引。
第三步投影得直⽅图，取⼀个分割阈值，划分出背景和字符的范围，也就是在直⽅图histrow(histcol)中区分⾕底点和上升点。
第四步分析峰⾕，得到例如最⼤峰中⼼距等参数。
最后⼀步，根据上⼀步求得的参数分割字符。
具体分割流程图如下图：图5-1 字符分割流程图⼀、车牌区域彩⾊标记与特征提取 对粗定位车牌后的⼆值图像作连通区域4邻域的伪彩⾊标记的⽬的是为了⽅便计算出车牌区域的⾯积、宽⾼度以及车牌框架的⼤⼩、区域开始和结束的⾏列位置等区域特征参数，是为后续的车牌投影分析操作作预准备。
在这⼀步骤中，⾸先以4领域⼤⼩为模块对⼆值图像作区域标记，给每块连通区域块标记上序数，获取图像中连通区域的块数和图像矩阵L，初步计算出各连通区域的框架⼤⼩，然后再根据车牌的先验知识设置亮度⾼度的合理阈值筛选出真正车牌区域的连通域，记录下该连通域的序数，最后对车牌区域块作区域特征提取，获取车牌的框架⼤⼩、宽⾼度、宽⾼⽐例以及开始位置点的⾏、列数等参数。
在MATLAB中对车牌号码为粤A6ZC93和粤AC609Z两车辆的车牌粗定位⼆值图像作伪彩⾊标记效果如下图：（a）粤A6ZC93 (b)粤AC609Z图5-2 区域标记与特征参数提取⼆、车牌预处理(1) 基于Radon变换的倾斜校正 从车体侧⾯拍摄的车辆图像中提取出来的牌照会出现⾓度的倾斜，为了后续操作的⽅便，需要进⾏⾓度的校正。
倒范围内有多个区域出现，则缩小高宽比的范围再搜索一次，如果所得区域仍大于一个，鉴于车牌一般处于整幅图的下方。
所以取底部最低的连通域作为车牌区域．图Ｉ厦图图２垂直边缘检测后图３分削出来的车牌三、车牌字符分割字符分割是车牌分割的后续步骤，它将提取出来的车牌区域分割成单一的字符区域．本文的字符分割算法包括车牌区域的二值化，水平边框去｝ｊ；｝以及纵向字符分剖三个步骤．１．车牌区域的二值化在车牌二值化的过程中，需要确定二值化的明值．本文采用了判别分析法来确定最佳阚值．这种方法较好地解决了闭值自动选择的问题，有很好的二值化效果．算法用数学模型可以表示如下ｔ设闻值选择函数，（五）定义如下ｔ一（矗）［ｐ・∞（量）一产（量）］。
／［∞（愚）・（１一∞（五））］其中弘为整体图像的灰度平均值，产（＾）是阕值为ｋ时的灰度平均值，ｍ（ｋ）是灰度值为１一ｋ之间的总概率．若设各灰度值的概率为Ｐ。
总像棠数为Ｎ．则以上各值可以表示为。
Ｉ●●●产＝∑ｉ・Ｐ（ｉ），卢（女）一∑ｆ・Ｐ；，面（量）＝∑Ｐ｛，Ⅳ＝∑他；，Ｐ；＝协／Ｎｌ－ｌｊ－ｌｆ－ｌ‘－Ｉ其中１～优是灰度图像的灰废级．斯是灰值为ｉ的像摩敷．令，（＾）值最大的灰度值＾即为整幅灰度图像的最佳分割搠值Ｔ．ｒｌ，（ｆ，ｊ）≥Ｔ，“’Ｊ）２｛ｏ，（ｆ，Ｊ）≤ＴＬ２．车牌水平框的去除在车牌区域二值化的基础上我们设计了一种去除水平边框的算法．它对于边框断袭、缺失。
或者二值化引起的边框边界不清等都有很好的消除效果．通过对牌照中心位置向上或者向下扫描可以发现，字符区域与上下水平边框之间有一定的空白．利用这一特性与边框比例知识相结合可以有效地去除车牌的水平边框．其步骤如下，（１）对现有的二值图像进行水平方向的投影，然后对投影图进行分析。
找出投影图的所有波峰和波谷，分别记录。
并消除波峰和波谷处呈现水平状态的影响．（２）计算相郐波峰波谷的高度差，因为字符和边框之问存在空隙．所以当这一高度差大于所有高度差的平均值较多，或者接近于零值时．就可以判定这就是边框和字符的分界处．（３）考虑到可能水平边框因为二值化或光照不均有所缺失，所以取高度差过滤后剩余部分的第一个波谷之后和具有最大高度差的波谷之前的区域作为去除边框后的字符区．３．纵向字符分割经过以上处理后。
收稿日期:2008-09-03基金项目:国家自然科学基金(40627001)作者简介:陈 涛(1984-),男,硕士研究生,研究方向为图像处理与模式识别;杨晨晖,教授,硕士生导师,研究方向为图像处理、模式识别、计算机视觉。
基于投影和固有特征结合的车牌字符分割方法陈 涛,杨晨晖,青 波(厦门大学信息科学与技术学院,福建厦门361005)摘 要:根据车牌字符的固有特征,提出一种新的基于投影的车牌字符分割方法。
该方法首先对车牌图像进行预处理,检测车牌倾斜角度,如果倾斜角大于指定角度则进行车牌倾斜校正,然后利用车牌的水平方向投影去除车牌的上下边框以及铆钉,对处理得到的图像进行二值化。
再根据车牌字符的排列规则和字符间距的关系,利用车牌的垂直投影定位字符,先分割出第二个和第三个字符,从第三个字符开始分割出后五个字符,再利用已分割字符的知识来分割前两个字符,然后对分割出来的候选字符块进行处理,有效解决字符粘连和断裂的情况,最终实现车牌字符的准确分割。
实验结果证明,该方法有较好的分割效果。
关键词:字符分割;投影;二值化;车牌倾斜校正中图分类号:TP301.6 文献标识码:A 文章编号:1673-629X (2009)05-0045-03Characters Segmentation of License Plate B ased on Combination ofProjection and Intrinsic CharacteristicsCHEN Tao ,YAN G Chen 2hui ,Q IN G Bo(Information Science and Technology School ,Xiamen University ,Xiamen 361005,China )Abstract :According to the intrinsic characteristics of license plate ,a new approach for characters segmentation of license plate based on projection is proposed.Firstly ,some preprocesses are processed toward the license plate images -detect the incline angle of license plate and rectify the slanted and distorted plate if the incline angle is bigger than the designated angle ,then the horizontal boundaries are re 2moved by using horizontal projection of license plate.After these processes ,image binarization is processed to the image.Then the char 2acters are located by using vertical projection of license plate ,according to the ranging rulers and intercharacter distance of license plate characters.The second and third character are first segmented ,then the last five characters from the third character are also segmented.With the knowledge of single character which has been segmented ,the first two characters are segmented.Then all the possible charac 2ters are processed specially ,segmenting the conglutinant characters and combining the cracked characters if existing.As a result ,all the characters are segmented accurately.The experimental result shows that this approach has a good effect of segmentation.K ey w ords :characters segmentation of license plate ;projection ;binarization ;rectif ying the slanted and distorted license plate0 引 言车牌识别系统是智能交通系统中一个非常重要的部分,在现代交通中有较好的应用前景和研究价值。
